비전-언어-액션 (VLA) 모델은 범용적인 로봇 조작을 위한 유망한 접근 방식으로 부상했습니다. 특히, 플로우 매칭(flow matching) 기반 VLA 모델은 정밀하고 부드러운 액션 시퀀스를 생성하고 다중 모드 분포를 포착하는 능력 덕분에 놀라운 성공을 보여주었습니다. 그러나 액션 헤드의 반복적인 노이즈 제거 과정은 주요한 계산 병목 현상으로 작용하여, 실시간 배포에 중요한 과제를 제기합니다. 이 문제를 해결하기 위해, 우리는 ActionCache라는 플러그 앤 플레이(plug-and-play) 외부 캐시를 제안합니다. 이는 과거의 중간 액션을 기회적으로 재사용하여 목표 액션 근처에서의 생성을 워밍업(warm-start)함으로써 추론 지연 시간(inference latency)을 대폭 줄입니다. 구체적으로, ActionCache는 압축된 다중 모드 키와 함께 중간 액션을 저장하며, 이를 통해 다른 에피소드나 심지어 다른 태스크 전반에 걸쳐 유사한 과거 컨텍스트로부터 검색할 수 있게 합니다. 시뮬레이션 및 실제 환경에서의 실험 결과는 ActionCache가 낮은 지연 시간 영역에서도 높은 태스크 성공률을 유지하며, 대표적인 플로우 기반 VLA 모델인 $ ext{π}_{0.5}$와 GR00T-N1.6에 대해 각각 최대 $11.75 imes$ 및 $34.43 imes$의 추론 가속화를 달성함을 입증합니다.